LC 面试题 17.14. 最小K个数

题目描述

这是 LeetCode 上的 面试题 17.14. 最小K个数 ，难度为 中等。

设计一个算法，找出数组中最小的 $k$ 个数。以任意顺序返回这k个数均可。

示例：

1
2
3
输入： arr = [1,3,5,7,2,4,6,8], k = 4

输出： [1,2,3,4]

提示：

  • $0 <= len(arr) <= 100000$
  • $0 <= k <= \min(100000, len(arr))$

优先队列（小根堆）

一个直观的想法是使用「优先队列（小根堆）」，起始将所有元素放入堆中，然后再从堆中取出 $k$ 个元素并「顺序」构造答案。

image.png

代码：

1
2
3
4
5
6
7
8
9
class Solution {
    public int[] smallestK(int[] arr, int k) {
        PriorityQueue<Integer> q = new PriorityQueue<>((a,b)->a-b);
        for (int i : arr) q.add(i);
        int[] ans = new int[k];
        for (int i = 0; i < k; i++) ans[i] = q.poll();
        return ans;
    }
}

  • 时间复杂度：建堆复杂度为 $O(n\log{n})$，构造答案复杂度为 $O(k\log{n})$。整体复杂度为 $O(n\log{n})$
  • 空间复杂度：$O(n + k)$

优先队列（大根堆）

在解法一中，我们将所有的原始都放入堆中，堆中元素最多有 $n$ 个，这导致了我们复杂度的上界为 $O(n\log{n})$。

而另外一个比较优秀的做法是，使用「优先队列（大根堆）」。

当处理到原始 $arr[i]$ 时，根据堆内元素个数，以及其与堆顶元素的关系分情况讨论：

  • 堆内元素不足 $k$ 个：直接将 $arr[i]$ 放入堆内；
  • 堆内元素为 $k$ 个：根据 $arr[i]$ 与堆顶元素的大小关系分情况讨论：
    • $arr[i] >= heapTop$：$arr[i]$ 不可能属于第 $k$ 小数（已有 $k$ 个元素在堆中），直接丢弃 $arr[i]$；
    • $arr[i] < heapTop$：$arr[i]$ 可能属于第 $k$ 小数，弹出堆顶元素，并放入 $arr[i]$。

当 $arr$ 被处理完，我们再使用堆中元素「逆序」构造答案。

image.png

代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
class Solution {
    public int[] smallestK(int[] arr, int k) {
        PriorityQueue<Integer> q = new PriorityQueue<>((a,b)->b-a);
        int[] ans = new int[k];
        if (k == 0) return ans;
        for (int i : arr) {
            if (q.size() == k && q.peek() <= i) continue;
            if (q.size() == k) q.poll();
            q.add(i);
        }
        for (int i = k - 1; i >= 0; i--) ans[i] = q.poll();
        return ans;
    }
}

  • 时间复杂度：建堆复杂度为 $O(n\log{k})$，构造答案复杂度为 $O(k\log{k})$。整体复杂度为 $O(n\log{k})$
  • 空间复杂度：$O(k)$

全排序

Java 中的 Arrays.sort 为综合排序实现。会根据数据规模、元素本身是否大致有序选择不同的排序实现。

因此一个比较省事的实现是先使用 Arrays.sort 进行排序，再构造答案。

image.png

代码：

1
2
3
4
5
6
7
8
class Solution {
    public int[] smallestK(int[] arr, int k) {
        Arrays.sort(arr);
        int[] ans = new int[k];
        for (int i = 0; i < k; i++) ans[i] = arr[i];
        return ans;
    }
}

  • 时间复杂度：排序（假定 Arrays.sort 使用的是双轴快排实现）的复杂度为 $O(n\log{n})$；构造答案复杂度为 $O(k)$。整体复杂度为 $O(n\log{n})$
  • 空间复杂度：$O(\log{n} + k)$

快排数组划分

注意到题目要求「任意顺序返回这 $k$ 个数即可」，因此我们只需要确保前 $k$ 小的数都出现在下标为 $[0, k)$ 的位置即可。

利用「快速排序」的数组划分即可做到。

我们知道快排每次都会将小于等于基准值的值放到左边，将大于基准值的值放到右边。

因此我们可以通过判断基准点的下标 $idx$ 与 $k$ 的关系来确定过程是否结束：

  • $idx < k$：基准点左侧不足 $k$ 个，递归处理右边，让基准点下标右移；
  • $idx > k$：基准点左侧超过 $k$ 个，递归处理左边，让基准点下标左移；
  • $idx = k$：基准点左侧恰好 $k$ 个，输出基准点左侧元素。

image.png

代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
class Solution {
    int k;
    public int[] smallestK(int[] arr, int _k) {
        k = _k;
        int n = arr.length;
        int[] ans = new int[k];
        if (k == 0) return ans;
        qsort(arr, 0, n - 1);
        for (int i = 0; i < k; i++) ans[i] = arr[i];
        return ans;
    }
    void qsort(int[] arr, int l, int r) {
        if (l >= r) return ;
        int i = l, j = r;
        int ridx = new Random().nextInt(r - l + 1) + l;
        swap(arr, ridx, l);
        int x = arr[l];
        while (i < j) {
            while (i < j && arr[j] >= x) j--;
            while (i < j && arr[i] <= x) i++;
            swap(arr, i, j);
        }
        swap(arr, i, l);
        // 集中答疑：因为题解是使用「基准点左侧」来进行描述（不包含基准点的意思），所以这里用的 k（写成 k - 1 也可以滴
        if (i > k) qsort(arr, l, i - 1);
        if (i < k) qsort(arr, i + 1, r);
    }
    void swap(int[] arr, int l, int r) {
        int tmp = arr[l];
        arr[l] = arr[r];
        arr[r] = tmp;
    }
}

  • 时间复杂度：由于每次都会随机选择基准值，因此每次递归的数组平均长度为 $n / 2$，那么划分数组操作的次数不会超过 $2 \times n$。整体复杂度为 $O(n)$
  • 空间复杂度：$O(\log{n})$

最后

这是我们「刷穿 LeetCode」系列文章的第 No.面试题 17.14 篇，系列开始于 2021/01/01，截止于起始日 LeetCode 上共有 1916 道题目，部分是有锁题，我们将先把所有不带锁的题目刷完。

在这个系列文章里面，除了讲解解题思路以外，还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。

为了方便各位同学能够电脑上进行调试和提交代码，我建立了相关的仓库：https://github.com/SharingSource/LogicStack-LeetCode 。

在仓库地址里，你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。